51CTO-Llama3大模型原理代码精讲与部署微调评估实战
├──  课件资料
├──  1 课程介绍.mp4
├──  2 注意力机制.mp4
├──  3 自注意力机制.mp4
├──  4 Transformer的架构概述.mp4
├──  5 Transformer Encoder的多头注意力.mp4
├──  6 Transformer Encoder的位置编码.mp4
├──  7 Transformer 残差链接、LayerNorm、FFN.mp4
├──  8 Transformer Decoder.mp4
├──  9 Transformer 训练及性能.mp4
├──  10 Transformer机器翻译工作流程.mp4
├──  11 Transformer的Encoder代码解读.mp4
├──  12 Transformer的Decoder代码解读.mp4
├──  13 Transformer的超参设置代码解读.mp4
├──  14 Transformer的训练示例（人为随机数据）代码解读.mp4
├──  15 Transformer的训练示例(德语-英语机器翻译)代码解.mp4
├──  16 结合中文注释代码深入解读1.mp4
├──  17 结合中文注释代码深入解读2.mp4
├──  18 LLM推理方式.mp4
├──  19 文本生成模式.mp4
├──  20 文本生成策略.mp4
├──  21 Token和分词器.mp4
├──  22 文本生成过程.mp4
├──  23 prefill和解码阶段.mp4
├──  24 llama3文本生成过程.mp4
├──  25 文本生成时的QKV含义.mp4
├──  26 大模型开发阶段划分.mp4
├──  27 SFT微调.mp4
├──  28 微调方法(全参、冻结参数、LoRA、QLoRA).mp4
├──  29 LoRA微调.mp4
├──  30 QLoRA微调.mp4
├──  31 llama模型进化史.mp4
├──  32 llama3模型类型.mp4
├──  33 llama大模型生态.mp4
├──  34 llama3模型架构.mp4
├──  35 RMSNorm归一化.mp4
├──  36 SwiGLU激活函数.mp4
├──  37 RoPE旋转位置编码.mp4
├──  38 GQA分组查询注意力.mp4
├──  39 KVCache.mp4
├──  40 各文件功能.mp4
├──  41 completion和chat应用脚本代码解析.mp4
├──  42 generation.py代码解析.mp4
├──  43 model.py代码解析.mp4
├──  44 tokenizer.py代码解析.mp4
├──  45 RMSNorm代码解析.mp4
├──  46 SwiGLU代码解析.mp4
├──  47 GQA代码解析.mp4
├──  48 RoPE代码解析.mp4
├──  49 KVCache代码解析.mp4
├──  50 阿里云实例创建.mp4
├──  51 ollama介绍.mp4
├──  52 ollama安装.mp4
├──  53 llama3推理.mp4
├──  54 vLLM部署llama3.mp4
├──  55 llama_factory介绍.mp4
├──  56 llama_factory安装及llama3模型下载.mp4
├──  57 LoRA微调训练.mp4
├──  58 llama3中文增强大模型推理.mp4
├──  59 llama3中文增强大模型评估.mp4
├──  60 lora文件合并.mp4
├──  61 数据集准备.mp4
├──  62 lora 微调.mp4
├──  63 llama3医疗问答大模型推理.mp4
├──  64 qlora微调 .mp4
└──  65 qlora微调的医疗问答大模型推理.mp4